AI Agent / 系统课时

路由不同任务类型

路由不同任务类型

Agent 收到请求后,不应把所有任务都交给同一个模型或同一套工具。可靠的路由会先识别意图,再结合风险等级和数据来源选择模型、工具或子流程,让低成本任务快速完成,高风险任务进入更严格的处理路径。

学习目标

  • 能用意图、风险和数据来源三个维度定义路由条件
  • 能实现一个可运行的规则路由器,并验证不同输入的去向
  • 能识别规则路由失效时需要升级到分类模型或人工确认的边界

先把路由条件变成显式规则

路由的核心不是“猜用户想做什么”,而是把影响执行路径的条件显式化。最常见的三个维度是:意图决定要解决哪类任务,风险决定是否允许自动执行,数据来源决定应该查询哪个系统。

例如,一个企业 Agent 可以把请求分为知识问答、数据查询和高风险操作。知识问答走通用模型;数据查询调用检索工具;涉及删除、转账、发布等动作时,即使意图识别正确,也应先进入审批或人工确认流程。

按意图风险与数据来源进行任务路由

用一个最小路由器落地

下面的 Python 示例把路由拆成“解析信号”和“选择路径”两步。示例不依赖外部服务,可以直接运行;真实项目中可以把 detect_intent 替换为分类模型,把工具名称替换为实际调用函数。

python
from dataclasses import dataclass

@dataclass
class Request:
    text: str
    source: str
    risk: str

def detect_intent(text: str) -> str:
    # 示例用关键词模拟意图识别,生产环境可替换为分类模型。
    if "删除" in text or "发布" in text:
        return "operation"
    if "订单" in text or "营收" in text:
        return "data_query"
    return "knowledge"

def route(req: Request) -> str:
    intent = detect_intent(req.text)

    # 高风险动作优先于普通意图,避免“识别正确但执行过度”。
    if req.risk not in {"low", "high"}:
        return "needs_review"
    if req.risk == "high" or intent == "operation":
        return "approval_flow"

    if intent == "data_query":
        return "warehouse_tool" if req.source == "warehouse" else "search_tool"
    return "general_model"

if __name__ == "__main__":
    cases = [
        Request("解释什么是向量检索", "public", "low"),
        Request("查询本月订单营收", "warehouse", "low"),
        Request("删除客户记录", "crm", "high"),
        Request("删除订单", "warehouse", "low"),
        Request("查询订单", "warehouse", "unknown"),
    ]
    for item in cases:
        print(route(item))

预期输出:

text
general_model
warehouse_tool
approval_flow
approval_flow
needs_review

这个结果说明路由不是只看一句自然语言。第三个请求虽然属于操作类,但由于风险被标记为 high,它会走确认流程。第四条同时命中删除和订单,即使带低风险标记也要确认。第五条风险未知,转入复核。风险应由可信业务条件计算。关键词只用于演示路由,实际调用前仍要检查工具操作和资源权限。

设计路由优先级

多条件路由最容易出错的地方是优先级冲突。实践中可按“安全约束先于业务优化”的顺序处理:先判断是否禁止自动执行,再判断数据源和任务类型,最后再做模型成本或速度优化。

如果同一个请求同时命中多个业务意图,不要默认选择第一个匹配项。可以返回“需要澄清”状态,或让分类器输出置信度;低于阈值时要求补充信息。这样比把模糊输入静默送入错误工具更安全。

什么时候需要升级路由方式

规则路由适合类别稳定、条件清晰的场景;分类模型适合语义表达变化大但类别仍然固定的场景;复杂任务如果需要先拆解再分派,则应进入专门的规划或子 Agent 流程。

无论采用哪种方式,路由器最终都应该输出一个受控的“执行决策”,而不是直接完成业务动作。把“判断去哪里”和“在那里做什么”分开,才能让 Agent 的行为可测试、可审计,也更容易在模型或工具变化时局部替换。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

路由不同任务类型

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通